報告題目：以強(qiáng)化學(xué)習(xí)的方式實(shí)現(xiàn)自優(yōu)化特征工程
報告人：劉鯤鵬，波特蘭州立大學(xué)計算機(jī)系助理教授
報告時間：2023年11月29日（周三）10：00-12：00
報告地點(diǎn)：翡翠湖校區(qū)科教樓A座902
報告簡介：近年來，數(shù)據(jù)挖掘已經(jīng)在許多應(yīng)用場景中取得了巨大的成功。作為數(shù)據(jù)挖掘的基礎(chǔ)技術(shù)，特征工程在理解與感知數(shù)據(jù)的過程中有著不可替代的作用。理想的特征工程可以移除無關(guān)特征、生成信息量大的特征、提高模型表現(xiàn)、提高泛化性、提供更好的理解力和可解釋性。但是，在諸多的應(yīng)用場景中，大多數(shù)從業(yè)者并不是特征工程的專家，因此，自動化特征工程以降低特征工程的使用門檻，成為一個不可忽視的需求。本報告將首先介紹自動化特征工程的重要性及其挑戰(zhàn)性，著重闡述：1.自動化特征選擇；2.自動化特征生成，并討論如何利用強(qiáng)化學(xué)習(xí)的框架來解決這些問題。最后，將展望未來的智能化、可理解、可交互的自動化數(shù)據(jù)科學(xué)系統(tǒng)并提出若干發(fā)展方向。
報告人簡介：劉鯤鵬是波特蘭州立大學(xué)計算機(jī)系助理教授，研究興趣為數(shù)據(jù)挖掘與強(qiáng)化學(xué)習(xí)。他最近的研究方向集中在自動化數(shù)據(jù)科學(xué)系統(tǒng)及其在大數(shù)據(jù)問題上的應(yīng)用，包括智能城市、機(jī)器學(xué)習(xí)隱私保護(hù)、可解釋的推薦系統(tǒng)、用戶行為分析。他的研究成果發(fā)表在KDD、TKDE、IJCAI、AAAI、WWW等各個數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)的頂級會議、期刊上。多次擔(dān)任IJCAI高級程序委員會委員，并且在KDD、ICML、ICLR、NeurIPS、AAAI、WWW、CIKM、ICDM等國際頂級會議中常態(tài)化擔(dān)任程序委員會委員。
TOP
